TorchDrug：基于PyTorch的图结构药物发现机器学习工具箱

TorchDrug 是一个基于 PyTorch 的机器学习工具箱，专注于图结构数据，为药物发现提供图操作、分子表示和快速原型开发能力。

这个工具是什么

TorchDrug 是 DeepGraphLearning 团队开发的开源工具，基于 PyTorch 构建，旨在简化药物发现中的机器学习研究。它提供图操作的 PyTorch 风格实现，支持 GPU 加速和自动微分，并内置分子数据结构和常用特征。该工具对药物发现领域知识要求较低，便于从业者快速上手，同时支持机器学习研究的快速原型设计。TorchDrug 兼容 Python 3.7 至 3.10 和 PyTorch 1.8.0 及以上版本，采用 Apache-2.0 许可证。

核心能力

• 以 PyTorch 风格实现图操作，支持 GPU 加速和自动微分，便于构建图神经网络模型。
• 内置分子数据结构，支持从 SMILES 字符串加载分子并提取原子、键等特征。
• 提供子图提取、骨架分析等图操作，方便进行分子层面的数据处理。
• 允许注册自定义节点、边或图属性，并在索引操作中自动处理。

科研中的典型用法

• 使用 TorchDrug 的图数据结构构建分子图，并应用图神经网络进行性质预测或虚拟筛选。
• 从 SMILES 字符串快速生成分子对象，提取原子类型、键特征等，用于后续机器学习模型训练。
• 利用子图提取和骨架分析功能，对分子进行结构分解或片段化，支持基于片段的药物设计研究。

快速上手

可通过 conda 或 pip 安装。conda 命令：conda install torchdrug -c milagraph -c conda-forge -c pytorch -c pyg。pip 安装需先安装 PyTorch 及 torch-scatter、torch-cluster 等依赖。入门可从官方教程和 Colab 示例开始，了解图与分子数据的基本操作。

生态与相近工具

同领域还有 PyTorch Geometric、DGL 等通用图神经网络库，以及 RDKit 等化学信息学工具。TorchDrug 更专注于药物发现场景，内置分子表示和领域相关操作，适合需要快速构建药物发现模型的用户；若需更通用的图深度学习功能，可考虑 PyTorch Geometric 或 DGL。

项目信息

• 仓库：DeepGraphLearning/torchdrug
• 星标：1,586　·　派生：222
• 主要语言：Python
• 许可证：Apache-2.0
• 最近提交：2024-08-12
• 项目主页：https://torchdrug.ai/

本文属于《学科研究工具知识库 · 化学》第 7 篇（按 GitHub 星标排序）。收录标准：该学科公开可获取的开源研究工具，星标与活跃度为主要参考，不代表对其性能或适用性的背书；选型前请结合自身场景评估。